Inteligencia artificial para predecir la recomendación de un máster universitario
La satisfacción de un alumno en un máster puede estar influenciada por factores como la calidad del programa, las oportunidades de aprendizaje, la orientación y apoyo recibido, la infraestructura y recursos disponibles, los resultados y la empleabilidad. En este estudio se han recopilado, a través d...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | English |
Published: |
Academia Europea de Dirección y Economía de la Empresa
2024-02-01
|
Series: | Journal of Management and Business Education |
Subjects: | |
Online Access: | https://journaljmbe.com/article/view/6136 |
_version_ | 1797321180691038208 |
---|---|
author | Raúl Gómez Martínez María Luisa Medrano-García Tomás Aznar-Sánchez |
author_facet | Raúl Gómez Martínez María Luisa Medrano-García Tomás Aznar-Sánchez |
author_sort | Raúl Gómez Martínez |
collection | DOAJ |
description | La satisfacción de un alumno en un máster puede estar influenciada por factores como la calidad del programa, las oportunidades de aprendizaje, la orientación y apoyo recibido, la infraestructura y recursos disponibles, los resultados y la empleabilidad. En este estudio se han recopilado, a través de una encuesta, las impresiones de alumnos del Máster en Asesoramiento y Planificación Financiera de la Universidad Rey Juan Carlos. Esas respuestas se han utilizado para entrenar diversos modelos de inteligencia artificial con el objetivo de predecir si se recomendara el máster o no. El resultado de la validación retrospectiva ofrece una precisión superior al80% en todos los casos por lo que debemos concluir que la inteligencia artificial es una herramienta válida para este objetivo. Esta investigación contribuye a comprender la eficacia de la inteligencia artificial en predecir recomendaciones de estudiantes para programas de maestría. Destaca el potencial de los modelos de inteligencia artificial para informar mejoras en los programas y optimizar las experiencias estudiantiles, al mismo tiempo que enfatiza la necesidad de metodologías de investigación sólidas y consideraciones de factores de satisfacción estudiantil.
|
first_indexed | 2024-03-08T04:53:51Z |
format | Article |
id | doaj.art-b34402b5440541f7b1ff05c58b2b7e66 |
institution | Directory Open Access Journal |
issn | 2605-1044 |
language | English |
last_indexed | 2024-03-08T04:53:51Z |
publishDate | 2024-02-01 |
publisher | Academia Europea de Dirección y Economía de la Empresa |
record_format | Article |
series | Journal of Management and Business Education |
spelling | doaj.art-b34402b5440541f7b1ff05c58b2b7e662024-02-07T19:47:22ZengAcademia Europea de Dirección y Economía de la EmpresaJournal of Management and Business Education2605-10442024-02-017110.35564/jmbe.2024.0002Inteligencia artificial para predecir la recomendación de un máster universitarioRaúl Gómez Martínez0María Luisa Medrano-García1Tomás Aznar-Sánchez2Universidad Rey Juan CarlosUniversidad Rey Juan CarlosIUNITLa satisfacción de un alumno en un máster puede estar influenciada por factores como la calidad del programa, las oportunidades de aprendizaje, la orientación y apoyo recibido, la infraestructura y recursos disponibles, los resultados y la empleabilidad. En este estudio se han recopilado, a través de una encuesta, las impresiones de alumnos del Máster en Asesoramiento y Planificación Financiera de la Universidad Rey Juan Carlos. Esas respuestas se han utilizado para entrenar diversos modelos de inteligencia artificial con el objetivo de predecir si se recomendara el máster o no. El resultado de la validación retrospectiva ofrece una precisión superior al80% en todos los casos por lo que debemos concluir que la inteligencia artificial es una herramienta válida para este objetivo. Esta investigación contribuye a comprender la eficacia de la inteligencia artificial en predecir recomendaciones de estudiantes para programas de maestría. Destaca el potencial de los modelos de inteligencia artificial para informar mejoras en los programas y optimizar las experiencias estudiantiles, al mismo tiempo que enfatiza la necesidad de metodologías de investigación sólidas y consideraciones de factores de satisfacción estudiantil. https://journaljmbe.com/article/view/6136master universitariosatisfacción del alumnointeligencia artificialiamachine learningaprendizaje supervisado |
spellingShingle | Raúl Gómez Martínez María Luisa Medrano-García Tomás Aznar-Sánchez Inteligencia artificial para predecir la recomendación de un máster universitario Journal of Management and Business Education master universitario satisfacción del alumno inteligencia artificial ia machine learning aprendizaje supervisado |
title | Inteligencia artificial para predecir la recomendación de un máster universitario |
title_full | Inteligencia artificial para predecir la recomendación de un máster universitario |
title_fullStr | Inteligencia artificial para predecir la recomendación de un máster universitario |
title_full_unstemmed | Inteligencia artificial para predecir la recomendación de un máster universitario |
title_short | Inteligencia artificial para predecir la recomendación de un máster universitario |
title_sort | inteligencia artificial para predecir la recomendacion de un master universitario |
topic | master universitario satisfacción del alumno inteligencia artificial ia machine learning aprendizaje supervisado |
url | https://journaljmbe.com/article/view/6136 |
work_keys_str_mv | AT raulgomezmartinez inteligenciaartificialparapredecirlarecomendaciondeunmasteruniversitario AT marialuisamedranogarcia inteligenciaartificialparapredecirlarecomendaciondeunmasteruniversitario AT tomasaznarsanchez inteligenciaartificialparapredecirlarecomendaciondeunmasteruniversitario |